参加2018APMCM B赛题 四天复述以及对数模和机器学习赛的个人感想

     首先感谢我的队友——曹学姐以及王学长，让我第一次数模赛圆满结束（没有什么遗憾吧，尽力了！）。其次，感谢田学长（csdn：Font Tian）给我的两份题目分析，以及王学长（csdn：那岐）对我算法的指导。

     这次亚太赛，个人认为AB两题给的数据集都有问题。但是A总体而言，只要有思路，A赛题就能作出，而且并不复杂。参考神经网络或者是此处博客：http://blog.sina.com.cn/s/articlelist_5975650474_0_1.html   （如果打数模赛都可以关注这个老师一下！）此处不多复述。再讲讲B赛题。

     B赛题是人才方面的问题。而我从一进大学开始，就开始着手人才类的研究（因为当初猎场火爆以及抢人才大战的社会舆论火爆），并且我在暑期做过人才类实地调研。故看到赛题就拟定是B。后来发现，B题和我当初的调研有非常大的不同。B赛题更多的是对岗位应聘人的学历不同以及时间序列来给的数据集。有三个不同的变量：1，行业（48个可用，有一个行业是空）；2，时间（2015到2018，还有一份不懂为什么用的2011数据集，我们没有放入使用是一个缺点。）；3，应聘人学历（非常大的问题就是，总需求人数和后面所有学历相加人的人数不对等）。这样是我所说，赛题有问题。

    刚开始那天（星期四），我们因上午全有课，改为下午讨论，上午各自思考赛题。然后我们在下午做的过程中，我们选择先清洗数据。这里因为我以前是先接触的机器学习后学的数模算法，故我对数据的质量要求非常高，花了太多太多时间，导致了后面的一些问题（时间消耗严重，和队友上课时间冲突，沟通不够等等）然后做好数据清洗，时间已经比较晚了。我们开语音聊天后，先选择多元线性回归。但是结果并不理想（我并不知道队友的做法是如何，沟通不够，因为并不是我做而后面队友有事情，好像放弃了导致第一题我到第三题才有完整思路。）然后我们探讨了SVM的可行性，发现也不行。第一天陷入困境。我感到非常的焦躁，感觉自己什么都没做，拖累了他们。但是队友还是给于鼓励。第一天我们的进度，是第一题圈定算法和第二题算法设想。

    第二天，我早上一直在搜索算法（这里发现是不能这样做的，而应该去搜索文献资料，因为后面了解到，有类似现成文章，但是时间已经来不及了。后悔！）我认为第二题可以用时间序列去分析。然后告诉了队友我的想法后，他表示肯定，然后让我先做。在这个时间我突然回看第一题，发现如果用聚类降维思路，划分出行业规则再拟合回归线，可能有奇效。然后，下午，我找了kmeans和pca代码，降维度后，又陷入困境，因为不知道如何去拟合回归线（不知道目标是什么，约束条件是什么）到晚上，我突然感觉，如果拟合总需求人数，将后面学历背景作为参数，拟合，反向求出行业人才学历结构。（因为机器学习做多了，思想上一直是特征工程，但其实并不是。后面论述数模和机器学习区别）。发现利用分类后，拟合回归的参数比较理想。然后确定，第一题思路——聚类后回归。而后回到第二题，因为先前思路是时间序列，我们在第一天尝试了BP神经网络后，发现结果不理想，后重新找算法。我当初看到田学长分析，可以借助ARIMA模型，后找资料（http://www.10tiao.com/html/284/201608/2652390079/1.html  类似文章）发现拟合结果，呈现下降趋势后平缓。怀疑代码问题，但是时间来不及了（我并么有事先了解时间序列模型。因为机器学习掌握了RNN对这些没有关注）

    第三天，第二题，白天没有丝毫进度，自暴自弃打王者去了。晚上观看博客，发现灰度预测模型，然后找了一篇matlab代码，直接输入36个时许后，被告知精度等级不够，改用年为单位输入，发现精度等级一级，果断使用，跑出人数，虽然个人感觉非常扯淡。但是时间来不及多想了。期间队友做了48个行业人数需求图，9个学历需求图。我将此作为依据，逐个分析，然后圈定沿海二线城市（珠三角，长三角），根据IT业发达，手工业没人的情况，圈定杭州。

   第四天，第四题和第五题思考已经力不从心了。因为队友临时有事，不再参与，我就直接套用了我在暑期做的人才吸引力模型以及当初做的数据集。后加班加点，和另一队友熬夜写论文。（是的，没错！一个晚上，写好论文提交。估计成绩很差。）

  感想以及对数模和机器学习赛的认知：

1.要有耐心。数模赛不是一个长期比赛的东西。他不像机器学习赛，不需要多少可靠的精度要求。所以他的满足感是缺少的。而且持续时间短，没有多少时间给你细致的去思考。最重要的是，他的分析是多变的，可用模型是多量的，没有正确答案。但是机器学习赛，只需要会python，了解keras，sklearn和pandas三个库就足够应付所有的比赛了。但是数模，你需要了解10多个不同模型。总体而言，机器学习赛更多偏向是统计模型，而数模是运筹模型。是两个不对等的比赛。风格类似，其思维大致相同，都是为了解决某个问题去找到优化。所以需要掌握多个模型，以便随时更换。

2.是最重要的，要能坚持！我看到很多人放弃比赛了。数模赛更多的是对思维的培养。如何找到一个可变量，一个自变量；如果找到一个优化点。是非常主观的。但是机器学习赛是客观的，他是冷冰冰的他只管你精度，不管其模型不管其分析思维不管其文案（不用写论文，适合所有年龄段的学生）。但是数模不仅要知其然还要知其所以然，要能论述要了解这个模型的好处在哪，要指出来。所以，数模获奖，有一大部分是论文写的好。这样侧面突出机器学习的客观和获奖的难度性（权威性！只有topn，但它是小众！）数模赛水平参差不齐，很多人是混的，而且有老师暗中帮助，也是我最唾弃的一点。但是没办法，真香。所以只要坚持写完，基本上数模都能获奖，虽然很水，但也可以有满足。

3.如果你对数据分析感兴趣那就研究机器学习赛吧。如果是为了获奖，那就参与数模。说句大实话，数模只是将一些论文改掉，就是参赛了。他其实可以完全不懂数学，可以完全不懂代码，只要能语文建模，天花乱坠，那就能获奖。因为分析，可能是非常直观的，可能就几句话而已但是要写成千把来的字。。。（学校老师的参与就像是外挂，而学校、老师为了荣誉，作出如此不公平的选择真是）

以上是我个人的感觉，不喜勿喷